대부분의 AI 사용자는 모델 자체의 성능 향상에만 집중하지만, Fraser Cottrell의 시스템이 보여주는 진짜 인사이트는 AI의 실질적 유용성은 모델이 아니라 AI가 접근할 수 있는 지식 베이스의 크기와 질에 비례해 증가한다는 점이다. 그는 Claude의 능력을 향상시키기 위해 추가 파인튜닝을 하지 않았다. 대신 Obsidian vault라는 ‘뇌’를 만들고, 매일 자동으로 정보를 주입했다.
이 시스템의 핵심은 ‘복리 효과(compound effect)‘에 있다. 첫 주: 기본적인 사용자 정보만 안다. 넷째 주: 20개의 이전 대화, 클라이언트 관계, 팀 역학, 프로세스 선호도를 기억한다. 여덟째 주: 사용자가 놓친 약속을 상기시키고, 지연된 액션을 플래그하며, 비즈니스의 서로 다른 부분을 연결한다. 이는 AI가 더 똑똑해진 것이 아니라, 읽는 지식 베이스가 계속 자란 결과다.
이 패턴은 단순히 ‘좋은 프롬프트’를 넘어서는 설계다. 기존의 AI 사용 패턴은 매 세션마다 리셋되는 ‘건망증 임시 직원’을 쓰는 것과 같다. 반면 이 아키텍처는 AI에게 지속적으로 성장하는 개인화된 컨텍스트를 제공함으로써, 시간이 지날수록 더 정확하고 맥락에 맞는 조력을 가능하게 만든다. 이것이 ‘AI 직원’과 ‘검색 엔진에 성격을 입힌 것’의 차이다.
근거
“Week one, it knows the basics — who you are, what you do. Week four, it knows your clients, your team dynamics, your processes, your communication preferences, and the outcomes of 20 previous conversations. Week eight, it’s catching things you missed.”
“Every call that gets transcribed and processed adds context to the vault. The vault grows every day.”
연결된 생각
- 20260605-ai-employee-obsidian-claude — 이 인사이트의 기반이 되는 전체 시스템 아키텍처
- 20260605-memory-injection-design — 복리 효과를 가능하게 하는 설계 원칙 (기억 주입)
- LLM 위키 패턴 — 지식이 누적될수록 AI 출력의 정확도가 높아지는 유사한 패턴